LFM3-Audio-2B vs Dessa: de ene kun je downloaden, de andere alleen horen

Liquid AI's LFM3-Audio-2B is een checkpoint met 2B parameters, een open licentie, een Hugging Face-repository en een build van 2,1 GB die je op een laptop kunt binnenhalen. Block's Dessa is een full-duplex spraakmodel dat op 23 oktober 2026 achter een wachtlijst werd aangekondigd, zonder gewichten, zonder parameteraantal, zonder API en zonder gepubliceerde benchmark. Zet ze naast elkaar en de gebruikelijke vergelijking stort in elkaar voordat ze begint: een van deze kan door iedereen die dit leest worden gedraaid, fijngetuned en gemeten, en naar de andere kun je alleen luisteren. De nuttige vraag is niet welke beter klinkt. Het is wat elk bedrijf besloot te publiceren, en wat die keuze je maandagochtend laat doen.

{{1}}Beide komen met hetzelfde waarschuwingslabel, vanuit tegengestelde richtingen.{{/1}} {{2}}LFM3-Audio-2B werd op 27 oktober 2026 uitgebracht binnen de release van de LFM3-familie met zes modellen, en de audiotak kreeg één alinea in Liquid's bericht over de familie plus een modelkaart.{{/2}} {{3}}Er is geen aparte aankondiging "Introducing LFM3-Audio", geen audio-prijsvermelding op de site van Liquid, en — op het moment van schrijven — nergens een onafhankelijke benchmarkrun van het model.{{/3}} {{4}}Dessa heeft het omgekeerde probleem: een dozijn gecureerde gespreksopnamen en vrijwel geen specificatie.{{/4}} {{5}}Geen van beide bedrijven heeft een buitenstaander genoeg gegeven om een resultaat te reproduceren.{{/5}}

Wat elk ervan daadwerkelijk heeft gepubliceerd

Haal de bijvoeglijke naamwoorden weg en het verslag is kort. Alles hieronder is afkomstig van Liquid's modelkaart, de post over hun modelfamilie of Block's eigen aankondiging; niets is onafhankelijk geverifieerd.

• Wat je ontvangt — {{1}}LFM3-Audio-2B{{/1}}: een BF16-checkpoint, GGUF- en MLX 4-bit-conversies, een tokenizer en codecgewichten in een aparte map audio_tokenizer. Dessa: een wachtlijstformulier en een set videoclips.

• Grootte — LFM3-Audio-2B: 2B parameters, 2,1 GB als de Ollama-build. Dessa: niet bekendgemaakt. Block zegt dat het op een MacBook Pro M4 Max past, wat impliceert dat het een model is dat klein genoeg is voor 128 GB unified memory, maar dat is een gevolgtrekking, geen getal.

• Invoer en uitvoer — LFM3-Audio-2B: tekst of audio van 16 kHz als invoer; tekst, spraak van 24 kHz of afwisselend tekst en spraak als uitvoer. Dessa: audio als invoer, audio als uitvoer, zonder op enig moment een teksttussenstap.

• Context — LFM3-Audio-2B: 32K tokens voor invoer en uitvoer. Dit is niet het 256K-cijfer dat in sommige LFM3-berichtgeving wordt herhaald; dat hoort bij het tekstmodel, LFM3-1.7B. Dessa: niet gepubliceerd.

• Licentie — LFM3-Audio-2B: LFM Open License v1.0, gratis voor commercieel gebruik onder $10M jaarlijkse omzet. Dessa: geen weights, dus geen licentie om te lezen.

• Benchmark — LFM3-Audio-2B: een leverancierstabel met zes rijen. Dessa: geen.

Die laatste rij is waar de vergelijking interessant wordt. Liquid publiceerde cijfers en geen onafhankelijke getuige. Block publiceerde getuigen — journalisten die naar dezelfde clips luisterden — en geen cijfers. Een lezer die tussen hen moet kiezen, kiest welk soort leemte hij moet tolereren.

Het enige voordeel dat Dessa heeft en dat niet kan worden gedownload

Dessa is gebouwd voor full duplex: het luistert terwijl het spreekt. Het model kan midden in een zin worden onderbroken, kan een "right" of "mm-hm" laten vallen terwijl je nog praat, en kan zijn timing aan de jouwe aanpassen. De demo's van Block leunen hier zwaar op — gelach midden in zijn eigen zin, een volumewijziging op verzoek, een filmtitel die wordt afgemaakt voor een spreker die hem vergeten was. The Verge, dat naar dezelfde opnames luisterde, vond de gesprekken "een beetje ongemakkelijk en uncanny", wat een goede omschrijving is van een systeem dat timing in het openbaar leert.

LFM3-Audio-2B beweert dat niet. Het is request-and-response met streaming: een causale audio-encoder laat het prefillen terwijl je spreekt, en daar komt Liquids cijfer van "slechts 50 ms" time-to-first-token vandaan, en LiquidCodec streamt spraak terug. Een antwoord streamen is niet hetzelfde als barge-in aankunnen. Als je product een gesprek nodig heeft waar doorheen gepraat kan worden, is LFM3-Audio-2B het verkeerde type model, en geen enkele mate van fine-tuning verandert de interface.

Wat de demo van Dessa je niet kan vertellen, is hoe vaak het zich zo gedraagt wanneer niemand de clip selecteert. Block zegt dat de opnames live zijn, niet gestuurd en achteraf ondertiteld, wat de meest grove vorm van democfraude uitsluit. Selectie sluit het echter niet uit. Een team dat veel gesprekken opneemt en de beste daarvan publiceert, heeft bewezen dat er goede gesprekken bestaan, niet dat het model betrouwbaar is.

De cijfers die Liquid heeft gepubliceerd, en wat ze waard zijn

De modelkaart van Liquid bevat zes cijfers, waarvan vier met een waarde van de voorganger. Allemaal vergelijken ze LFM3-Audio-2B met LFM2.5-Audio-1.5B, het model dat het vervangt. Er wordt geen testset, harnas of variantie genoemd.

• Engelse ASR, woordfoutpercentage — 6,23 tegen 6,13. Onveranderd. De enige rij die niet verschoof, en een verschil dat klein genoeg is om steekproefruis te zijn.

• Meertalige ASR, WER/CER — 6,03. Geen voorgangercijfer gepubliceerd.

• Engelse TTS, UTMOSv2 — 3,83 tegenover 3,22. Een verschuiving van 0,6 punt, ruim buiten de ruis, op een schaal waarop 4,0 gewoonlijk als bijna-menselijk wordt beschouwd.

• VoiceBench — 73,13 tegen 55,17.

• Audiobegrip, MMAR — 50,60 tegenover 25,85. Bijna dubbel.

• Tool-calling via spraak, interne evaluatie — 58,50. Geen voorgaand cijfer.

Vergeleken met de andere modellen in de eigen tabel van Liquid is dit een goed klein model, geen koploper: Voxtral Mini 3B noteert een WER van 5,51 en NVIDIA Audex 2B noteert 5,99, beide beter dan 6,23; Qwen2.5-Omni 3B scoort 54,41 op audiobegrip; Gemma 4 E4B scoort 72,40 op tool calling. De eerlijke samenvatting is concurrerende herkenning, een duidelijke stap vooruit in stemkwaliteit en solide redeneervermogen voor 2B — geen record in welke kolom dan ook.

Dessa heeft geen equivalente rij, en die afwezigheid is geen formaliteit. Een model dat alleen spraak aankan en zonder tekst is getraind, heeft geen native interface voor een JSON-schema, een PDF of een API-aanroep. Block geeft op zijn eigen pagina de open vragen toe: hoe efficiënt een alleen-spraakmodel feiten en talen leert, en of in-context learning zonder pretraining op tekst blijft werken. Die punten bepalen het verschil tussen een overtuigende gesprekspartner en een algemene assistent, en geen van beide bedrijven heeft de test gepubliceerd die daar uitsluitsel over zou geven.

Licentie, toegang en wie op wat kan voortbouwen

De licentie van LFM3-Audio-2B is de praktische reden waarom het de meeste inkoopgesprekken wint voordat kwaliteit ter sprake komt. De LFM Open License v1.0 staat commercieel gebruik toe onder $10M jaaromzet en vereist daarboven een betaalde licentie. De gewichten staan op Hugging Face; llama.cpp heeft de ondersteuning op 27 oktober samengevoegd in PR #31257; Ollama vermeldt een build van 2,1 GB; Transformers vereist 5.20.2 of nieuwer met trust_remote_code. De vereiste voor aangepaste code is het punt dat je moet vastzetten — het model laadt vanuit zijn eigen module en leest codec-gewichten uit een aparte map, dus een omgeving zonder vastgezette versies is een supportticket dat staat te wachten.

Dessa heeft geen vergelijkbaar traject. Toegang bestaat uit een wachtlijst plus vroegtijdige toegang voor een kleine groep AI-veiligheidsonderzoekers die zich met een institutioneel e-mailadres aanmelden. De door Block genoemde redenen — nieuwsgierigheid, mens-AI-interactie, veiligheid — passen bij het binnen een kleine kring houden van een stem die emotie leest. De afweging is dat afgeschermde toegang en onafhankelijke evaluatie elkaar tegenwerken. Totdat een externe groep cijfers publiceert, bestaat het publieke verslag uit de clips van de leverancier plus de indrukken van journalisten over de clips van de leverancier.

Er is een secundaire kostenpost die zelden in vergelijkingen terechtkomt. Een downloadbaar model is een afhankelijkheid die je bezit: 2,1 GB, een proces om in leven te houden, geen SLA, en een licentiedrempel om in het oog te houden naarmate je groeit. Een model op een wachtlijst is helemaal geen afhankelijkheid — het is een onderzoeksresultaat dat je kunt citeren maar niet kunt opleveren. Voor een team dat een spraakstack kiest, zijn dat geen twee punten op één lijn. Het zijn twee verschillende beslissingen.

Wat een voiceagent nodig heeft dat geen van beide modellen alleen kan bieden

Productie-spraaksystemen bestaan zelden uit één model. Of de frontend nu duplex of request-and-response is, het gesprek blijft werk doorgeven aan gewone tekstmodellen: een lookup, een extractie, een beleidscontrole, een reasoning-aanroep achter een aangehouden pauze. Die delegatielaag is waar kostenvariantie zit, en waar een slecht uur bij één provider jouw storing wordt.

Om precies te zijn over onze eigen dekking: LFM3-Audio-2B staat niet op OrcaRouter, en Dessa is helemaal geen API. Wat OrcaRouter levert, is de tekstlaag waaraan een spraakagent delegeert — meer dan 200 modellen achter één sleutel tegen de lijstprijs van de provider, zonder opslag, automatische failover wanneer een provider hapert, een routing-DSL die meerdere modellen in één aanroep samenbrengt, en model fusion wanneer het oordeel van één model niet volstaat. Als je lokaal met LFM3-Audio-2B prototypet, is het tool-calling-deel van de lus het deel dat je vandaag achter dat endpoint kunt plaatsen; het audiodeel blijft op je machine.

De test die uitsluitsel zou geven

Voor LFM3-Audio-2B is het ontbrekende bewijs specifiek: een onafhankelijke WER-run op een standaardset, een latentiemeting op hardware die geen M4 Max is, en een reproductie van de UTMOS-winst door iemand die niet bij Liquid werkt. De live-ASR-follow-up in llama.cpp is ook belangrijk, omdat batchtranscriptie vandaag de ondersteunde route is en alleen-Engels de beperking is wanneer streaming beschikbaar komt.

Voor {{1}}Dessa{{/1}} is de lijst korter en moeilijker: een achtergehouden gespreksset, end-to-end-latentie inclusief de eerste hoorbare reactie, herstel na onderbrekingen, verstaanbaarheid onder lawaai, een data- en rekenbudget, en een of andere maatstaf voor feitenbehoud. Elk daarvan zou van een demorol een evaluatie maken. Allemaal samen zouden ze er een product van maken.

Tot dan is de nauwkeurige beschrijving beperkt en nuttig. LFM3-Audio-2B is een spraakmodel van 2B dat je in een minuut kunt downloaden, dat beter praat dan het model dat het vervangt, ongeveer even goed luistert en nog geen onafhankelijke getuigen heeft. Dessa is de interessantste stemdemo van de maand, zonder enige manier om die te controleren. Als je dit kwartaal moet bouwen, eindigt slechts één van die zinnen in een deployment.